论文紧密结合机械制造等行业中实施以状态监测与故障诊断技术为基础的预测维修体制的工程实际,对机械设备智能诊断和状态监测与预测技术的基本理论、技术方法和工程应用进行了系统研究。重点就设备诊断中的神经网络自适应模式识别、小波及小波包特征提取、灰色预测和神经网络预测等技术进行了深入研究。本文的主要工作及创造性成果如下:在神经网络自适应模式识别技术方面:将函数型连接网络引入故障诊断领域,提出了一种函数型连接网络诊断模型,简化了网络结构和学习算法,克服了BP网络模型的某些局限性;将模糊集理论和神经网络理论有机结合,建立了一种设备故障的模糊神经网络诊断模型,改善了训练样本对模式的表达,以隶属度代替二值模式,可更有效地描述设备的实际状态;将函数型连接网络和模糊集理论有机结合,提出了一种函数型连接网络的模糊展开模型,该模型同时具有上述两种模型的优点。在研究小波分析的基本理论及小波、小波包信号分解与重构算法方面:提出了基于小波分解的去除信号趋势项的方法及低频信息提取方法,以及基于小波包分解的特征提取方法,并进行了实例分析和验证。在机械设备状态监测与预测方面:总结了机械设备状态评定标准,提出了设备故障报警门限的几种确定方法;在总结各种预测方法的基础上,建立了灰色预测模型和神经网络预测模型,并利用仿真数据进行了建模和预测计算,证明了这两种预测方法的有效性;针对设备状态监测与预测中常见的不等间隔时间序列预测问题进行了研究,提出了基于函数型连接网络的不等间隔时间序列预测建模方法,成功地解决了不等间隔时间序列预测问题,而且降低了干扰,提高了预测精度,并可用作一般预测方法建模前的预处理。在上述理论研究的基础上,研究开发了具有模块化结构、集设备动态数据管理、数据采集、信号分析、故障诊断及状态监测与预测等功能于一体的《IDPM智能诊断与预测维修系统》。利用该系统对曲轴主轴颈车床、曲轴主轴颈磨床、离心分离机等设备进行了多次现场测试、分析与诊断,验证了本论文提出的部分诊断方法的有效性,并为设备智能诊断与预测维修技术的工程应用提供了一套实用化工具。